待验证50% 置信事实精确时间
Terminal Bench Science 0.1是一个面向科研场景的终端操作基准测试,要求模型在模拟Linux终端环境中完成科学计算相关的多步骤任务。
1
来源数
50%
置信度
长期有效
时效性
2026/11/4
首次发现
来源
腾讯混元Hy4正式发布:跑分近乎全面领先,新增视觉与电脑操作能力
bilibili渐近自由JJZY2026/11/4
涉及实体
相关事实
已验证Terminal-Bench是专门评估AI模型在命令行环境中执行复杂任务能力的基准测试,涵盖文件操作、脚本编写、系统调试等场景77% 相似待验证Terminal-Bench-Science 将测试任务锚定在具体的科研工作流上,Agent 需在包含真实工具和数据的终端环境中独立完成从问题理解到结果产出的全过程72% 相似待验证Terminal Bench检验的是模型能做什么而非知道什么,测量的是模型规划、执行、观察反馈并纠错的完整闭环能力72% 相似待验证原版 Terminal-Bench 聚焦于命令行操作评测65% 相似待验证Terminal-Bench-Science 的评测逻辑是端到端的,其产出结果可被自动验证62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1136359API
curl https://kongchang.com/api/v1/knowledge/claims/1136359MCP
get_claim(id=1136359)